ffmpeg-skill؛ تدوین محلی ویدیو با Claude Code و Codex

پروژه متن‌باز ffmpeg-skill راهی فراهم کرده تا کارهای رایج تدوین ویدیو را با دستورهای زبانی به ایجنت‌هایی مانند Claude Code، Codex و Cursor بسپارید؛ بدون اینکه لازم باشد برای هر تغییر، فرمان‌ها و پارامترهای پیچیده FFmpeg را پیدا کنید. پردازش فایل‌ها روی سیستم خود شما انجام می‌شود، بنابراین پای سرویس ابری یا کلید API در میان نیست.

#نکات کلیدی

• ffmpeg-skill شامل ۴۲ ابزار برای تدوین، پردازش صدا و آماده‌سازی خروجی ویدیو است.
• این پروژه با Claude Code، Codex، Cursor و کلاینت‌های سازگار با MCP کار می‌کند.
• همه پردازش‌ها با FFmpeg و ffprobe روی سیستم کاربر انجام می‌شوند.
• ابزار می‌تواند خروجی‌هایی متناسب با TikTok، Reels، Shorts، YouTube و X بسازد.
• مخزن پروژه در صفحه استخراج‌شده GitHub حدود ۲.۹ هزار ستاره و ۲۲۵ فورک دارد.

#تدوین ویدیو بدون جست‌وجوی مداوم میان فرمان‌ها

اگر با FFmpeg کار کرده باشید، احتمالاً می‌دانید که حتی برای کارهای آشنایی مثل بریدن ویدیو، حذف سکوت یا چسباندن زیرنویس به تصویر باید فرمان و پارامتر مناسب را انتخاب کنید. انتخاب نادرست نرخ فریم، کدک یا ظرف فایل نیز می‌تواند نتیجه را خراب کند یا باعث رمزگذاری دوباره و غیرضروری ویدیو شود.

پروژه ffmpeg-skill در GitHub این فرایند را برای ایجنت‌های کدنویسی به یک گردش کار مشخص تبدیل می‌کند: ابتدا فایل بررسی می‌شود، سپس عملیات تدوین با کمترین افت کیفیت ممکن انجام می‌گیرد و در پایان خروجی کنترل و اعتبارسنجی می‌شود. در مواردی که بتوان بدون رمزگذاری دوباره کار را انجام داد، ابزار تلاش می‌کند از همان مسیر استفاده کند.

کارهایی که در توضیحات پروژه به آن‌ها اشاره شده‌اند شامل این موارد هستند:

• برش و اتصال فایل‌های ویدیویی
• حذف سکوت و تنظیم و پاک‌سازی صدا
• افزودن زیرنویس و حالت کارائوکه
• تغییر قاب و نسبت تصویر
• هماهنگ‌سازی صدا و تصویر و اصلاح رانش زمانی
• پردازش چنددوربینه، HDR به SDR و LUT
• رندر پروژه، پردازش گروهی پوشه‌ها و بررسی خروجی نهایی

#۴۲ ابزار آماده و یک گردش کار قابل بررسی

ffmpeg-skill در مجموع ۴۲ ابزار دارد که هم از خط فرمان و هم از طریق MCP در دسترس‌اند. MCP یا Model Context Protocol به کلاینت‌های سازگار اجازه می‌دهد ابزارهای بیرونی را با یک قرارداد مشخص شناسایی و فراخوانی کنند. این پروژه به‌طور پیش‌فرض ۱۲ ابزار اصلی را در فهرست MCP نمایش می‌دهد تا فضای زمینه کلاینت بیش از اندازه اشغال نشود، اما هر ۴۲ ابزار همچنان با نام قابل فراخوانی هستند.

قرارداد ورودی ابزارها به‌صورت ماشین‌خوان ارائه می‌شود و از همان تعریف آرگومان‌های خط فرمان ساخته می‌شود. طبق توضیحات مخزن، فرایند CI نیز بررسی می‌کند که این قرارداد از گزینه‌های واقعی فرمان‌ها عقب نماند. این طراحی برای ایجنت مهم است، چون به‌جای حدس‌زدن پارامترها، می‌تواند ساختار دقیق ورودی هر ابزار را بخواند.

بعد از برش، ابزار تصویری شامل فریم‌های منتخب تولید می‌کند تا نتیجه قابل بررسی باشد. سپس مرحله اعتبارسنجی انجام می‌شود و خروجی نهایی آماده خواهد شد. این روند برای شما مهم است، چون ایجنت نباید صرفاً اجرای فرمان را معادل درست‌بودن فایل خروجی در نظر بگیرد.

#خروجی برای شبکه‌های اجتماعی و پردازش کاملاً محلی

این ابزار قالب‌هایی برای TikTok، Reels، Shorts، YouTube و X دارد. در نتیجه می‌توانید یک فایل اصلی را به نسخه‌هایی با قاب و نسبت تصویر مناسب هر پلتفرم تبدیل کنید. تغییر ویدیو به قالب عمودی، تنظیم بلندی صدا و چسباندن زیرنویس از جمله کارهای تکراری‌ای هستند که می‌توان به این گردش کار سپرد.

پردازش با FFmpeg محلی انجام می‌شود و پروژه به سرویس ابری، حساب کاربری یا API Key نیاز ندارد. اگر ffmpeg، ffprobe و Python 3 در مسیر سیستم باشند، ابزار می‌تواند به‌صورت آفلاین روی فایل‌هایی کار کند که ترجیح می‌دهید آن‌ها را در فضای ابری بارگذاری نکنید.

بااین‌حال، خود مخزن مرز مسئولیت ابزار را روشن کرده است: ffmpeg-skill عملیات فنی مانند برش، اندازه‌گیری و گرفتن خروجی را انجام می‌دهد، اما تصمیم نمی‌گیرد کدام بخش باید حذف شود، چه چیزی ارزش تبدیل‌شدن به کلیپ کوتاه را دارد یا متن زیرنویس چگونه بازنویسی شود. این تصمیم‌ها بر عهده کاربر یا ایجنتی است که ابزار را هدایت می‌کند.

بر اساس گزارش منتشرشده درباره ffmpeg-skill در X، این پروژه در مدت کوتاهی وارد رتبه‌بندی روزانه Trendshift شده و طی چند روز شش نسخه از آن منتشر شده است. نویسنده پروژه نیز در معرفی GitHub خود از سابقه مهندسی در حوزه صدا، ویدیو و استریم نوشته است.

#جمع‌بندی

ffmpeg-skill قرار نیست درباره محتوای ویدیوی شما تصمیم بگیرد؛ نقش آن اجرای دقیق‌تر کارهای فنی و تکراری تدوین است. اگر از Claude Code، Codex، Cursor یا یک کلاینت MCP استفاده می‌کنید، این پروژه می‌تواند فاصله میان توضیح ساده شما و فرمان‌های حساس FFmpeg را کمتر کند، درحالی‌که فایل‌ها روی همان سیستم خودتان باقی می‌مانند.